从Google BigQuery中的嵌套表中删除重复项
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从Google BigQuery中的嵌套表中删除重复项相关的知识,希望对你有一定的参考价值。
我们已开始使用Google bigQeury嵌套表。我们很难在这张桌子上找出重复的内容。我们尝试使用Rownumber()函数,但这意味着我们需要深入到每个记录和记录中。我们谈论的是一个在建筑的基本巢穴和超过400个领域中有超过10条记录的表格
下面的代码是我们到目前为止创建的,它给出了重复的识别,但是我可以编写的字段数量很多,正如我所写,有超过400个字段
SELECT
count (*) AS Number_Of_Records --this will let us know how many records there is
FROM
(
SELECT
*,
ROW_NUMBER() OVER (PARTITION BY field1, ... , fieldN) AS ranking
FROM
`data.T1`,
unnest(record1) as record1, --unnesting is a must with nested tables and records
....,
unnest(recordN) as recordN
)
WHERE
ranking=1 --duplicats >1
我们想找一个更短的方法来编写这个查询来查找非重复行的数量,谢谢
答案
一种方法是使用散列函数来标识记录并使用此散列来删除重复项。
因此,假设您的JSON数据由字符串组成,您可以使用以下内容为您的记录生成唯一的哈希代码:
WITH items AS
(SELECT ["apples", "bananas", "pears", "grapes"] as list
UNION ALL
SELECT ["coffee", "tea", "milk" ] as list
UNION ALL
SELECT ["cake", "pie", NULL] as list -- Duplicate record
UNION ALL
SELECT ["cake", "pie", NULL] as list)
SELECT distinct FARM_FINGERPRINT(ARRAY_TO_STRING(list, '--')) AS text
FROM items;
这导致3行而不是预期的4行(1行一式两份)
以上是关于从Google BigQuery中的嵌套表中删除重复项的主要内容,如果未能解决你的问题,请参考以下文章
如何从未嵌套的数据(BigQuery 中的 Google Analytics 数据)返回正确的汇总总数
从工作表中的 Google Apps 脚本访问 BigQuery 时需要登录错误
我们可以从 Google BigQuery 中的特定表中获取列名吗?